深度学习在生物医药领域中的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新，已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价10元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 562 篇文献，本页显示第 561 - 562 篇。
| 序号 | 推送日期 | 文章 | 类型 | 简述 | 创新点 | 不足 | 研究目的 | 研究对象 | 领域 | 病种 | 技术 | 模型 | 数据类型 | 样本量 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 561 | 2024-08-07 |
Using Deep Learning Radiomics to Distinguish Cognitively Normal Adults at Risk of Alzheimer's Disease From Normal Control: An Exploratory Study Based on Structural MRI
2022, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2022.894726
PMID:35530047
|
研究论文 | 本研究提出了一种基于结构MRI图像的深度学习放射组学方法，用于区分认知正常但有阿尔茨海默病风险的成年人与正常对照组 | 本研究首次提出了一种深度学习放射组学方法，通过结构MRI图像区分阿尔茨海默病风险个体与正常对照组 | 本研究仅基于ADNI数据库的数据进行，样本量有限，需要进一步在更广泛的人群中验证 | 开发一种新的方法来区分认知正常但有阿尔茨海默病风险的个体与正常对照组 | 认知正常但有阿尔茨海默病风险的成年人与正常对照组 | 机器学习 | 阿尔茨海默病 | MRI | 深度学习放射组学 | 图像 | 417名认知正常的成年人，分为181名阿尔茨海默病风险个体和236名正常对照组 |
| 562 | 2024-08-07 |
Predicting diagnosis 4 years prior to Alzheimer's disease incident
2022, NeuroImage. Clinical
DOI:10.1016/j.nicl.2022.102993
PMID:35344803
|
研究论文 | 本研究利用深度学习纵向模型，即图卷积和循环神经网络（graph-CNN-RNN），对阿尔茨海默病（AD）的脑结构MRI扫描进行预测分析 | 首次采用graph-CNN-RNN模型对AD进行长达4年的早期诊断预测，并展示了脑形态学从预测到明显AD阶段的定量轨迹 | NA | 旨在利用深度学习技术提前预测阿尔茨海默病的发生 | 阿尔茨海默病的早期诊断和预测 | 机器学习 | 阿尔茨海默病 | MRI扫描 | graph-CNN-RNN | 图像 | 训练集包含1559个样本，验证集包含930个样本 |